基于深度学习的网络舆情识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 网络舆情及识别 | 第14-15页 |
| 1.1.2 文本情感识别 | 第15-16页 |
| 1.1.3 深度学习 | 第16-17页 |
| 1.2 研究意义 | 第17-18页 |
| 1.3 研究现状 | 第18-25页 |
| 1.3.1 网络舆情识别研究现状 | 第18-19页 |
| 1.3.2 情感识别研究现状 | 第19-23页 |
| 1.3.3 深度学习研究现状 | 第23-25页 |
| 1.4 论文主要工作及贡献 | 第25-27页 |
| 1.5 论文组织结构 | 第27-28页 |
| 第二章 文献综述 | 第28-49页 |
| 2.1 文本情感识别 | 第28-35页 |
| 2.1.1 文本预处理 | 第29-31页 |
| 2.1.2 特征提取 | 第31-32页 |
| 2.1.3 特征分类 | 第32-35页 |
| 2.2 文本表示模型 | 第35-39页 |
| 2.2.1 向量空间模型 | 第35-36页 |
| 2.2.2 概率主题模型 | 第36-37页 |
| 2.2.3 神经网络模型 | 第37-39页 |
| 2.3 词向量模型 | 第39-42页 |
| 2.3.1 CBOW模型 | 第39-41页 |
| 2.3.2 Skip-Gram模型 | 第41页 |
| 2.3.3 Glove模型 | 第41-42页 |
| 2.3.4 模型评估 | 第42页 |
| 2.4 文本特征训练 | 第42-45页 |
| 2.4.1 Word2vec程序 | 第43-44页 |
| 2.4.2 Doc2vec程序 | 第44-45页 |
| 2.5 深度学习模型 | 第45-47页 |
| 2.5.1 网络模型 | 第45-46页 |
| 2.5.2 网络训练 | 第46-47页 |
| 2.6 本章小结 | 第47-49页 |
| 第三章 基于LSTM网络模型的中文分词方案 | 第49-66页 |
| 3.1 中文分词综述 | 第49-53页 |
| 3.1.1 基于词典的分词方法 | 第49-50页 |
| 3.1.2 基于统计的分词方法 | 第50-51页 |
| 3.1.3 基于构词的分词方法 | 第51-53页 |
| 3.2 LSTM网络结构 | 第53-56页 |
| 3.2.1 RNN模型 | 第53-54页 |
| 3.2.2 LSTM模型 | 第54-56页 |
| 3.3 基于LSTM的编码-解码模型 | 第56-59页 |
| 3.3.1 编码-解码模型框架 | 第56-58页 |
| 3.3.2 引入注意力机制 | 第58-59页 |
| 3.4 实验与分析 | 第59-65页 |
| 3.4.1 分词方案设计 | 第59页 |
| 3.4.2 词向量修正 | 第59-60页 |
| 3.4.3 数据集 | 第60-61页 |
| 3.4.4 评估标准 | 第61页 |
| 3.4.5 结果与分析 | 第61-65页 |
| 3.5 本章小结 | 第65-66页 |
| 第四章 基于CNN网络的中文文本情感识别 | 第66-84页 |
| 4.1 CNN网络综述 | 第66-74页 |
| 4.1.1 CNN网络模型 | 第66-73页 |
| 4.1.2 CNN网络训练 | 第73-74页 |
| 4.2 文本特征提取 | 第74-77页 |
| 4.2.1 特征提取方法 | 第75-76页 |
| 4.2.2 特征维数 | 第76页 |
| 4.2.3 特征规整化 | 第76-77页 |
| 4.3 情感识别方案 | 第77-78页 |
| 4.3.1 方案流程 | 第77-78页 |
| 4.3.2 学习速率更新策略 | 第78页 |
| 4.4 实验结果与分析 | 第78-82页 |
| 4.4.1 数据集与实验平台 | 第78-80页 |
| 4.4.2 实验流程 | 第80页 |
| 4.4.3 评估标准 | 第80-81页 |
| 4.4.4 结果与分析 | 第81-82页 |
| 4.4.5 进一步讨论 | 第82页 |
| 4.5 本章小结 | 第82-84页 |
| 第五章 中文情感识别系统设计与实现 | 第84-92页 |
| 5.1 面向对象综述 | 第84-85页 |
| 5.1.1 编程思想 | 第84-85页 |
| 5.1.2 相关概念 | 第85页 |
| 5.2 情感识别系统设计 | 第85-87页 |
| 5.2.1 系统流程及结构 | 第85-86页 |
| 5.2.2 数据处理模块 | 第86页 |
| 5.2.3 特征提取模块 | 第86页 |
| 5.2.4 特征分类模块 | 第86-87页 |
| 5.2.5 性能评估模块 | 第87页 |
| 5.2.6 用户接口模块 | 第87页 |
| 5.3 情感识别系统实现 | 第87-91页 |
| 5.4 本章小结 | 第91-92页 |
| 第六章 结论与展望 | 第92-95页 |
| 6.1 论文工作总结 | 第92-93页 |
| 6.2 论文工作展望 | 第93-95页 |
| 参考文献 | 第95-102页 |
| 附录 | 第102-103页 |
| 致谢 | 第103-104页 |
| 攻读博士学位期间发表的学术论文目录 | 第104页 |
